采用GA-BP神经网络算法改善压力传感器的稳定性

通过对BP神经网络的分析,提出一种采用遗传算法(GA)优化的GA-BP神经网络,通过调整其权值和阈值使传感器具有较好的收敛性和稳定性。最终通过实验仿真得出:GA-BP神经网络算法对压力传感器温度补偿具有显著的改善效果,提高了传感器的测量精确度和稳定性。     

带网络通信和BP补偿的红外温度监控系统设计

针对传统手持式红外温度测量设备无数据上传功能、测量精度低的问题,提出一种基于MLX90614红外温度传感器的温度监控系统。该系统具备网络通信功能,可将测量数据实时传递至由电脑建立的TCP服务器。因红外传感器测量精度易受环境温度影响,提出基于BP神经网络的补偿校正方案,将环境温度和红外实测温度作为输入,高精度温度传感器实测值作为输出来训练网络。实验表明:该系统能实时上传数据,精度比市面上的同类产品高1倍以上。     

基于BP神经网络的流体流量补偿方法

针对流体质量流量测量中密度随温度及压力等参数的变化而变化,在BP算法的基础上,采用BP神经网络补偿方法对液氨的密度进行了补偿,给出了网络训练后误差渐进过程的仿真图和补偿后的仿真结果图,通过函数调用网络训练后非采样点上的温度来得到对应的密度值。可以得到结论:基于BP神经网络的补偿方法弥补了最小二乘法在非线性补偿方面的缺陷,且误差比较小,是一种性能比较优越的补偿方法。     

高温高精度石英压力传感器的标定方法

针对石油测井领域地层压力测试器中常用的高温高精度石英压力传感器,研究其压力测量过程中的温度补偿算法,并给出二次标定方法,开发专门用于高温高精度石英压力传感器的二次标定系统。经该系统标定后,传感器在全温范围内的压力测量精度达到出厂要求,证实了该标定系统的精确性。     

基于混沌RBF神经网络的气化炉温度软测量系统

针对德士古气化炉炉膛温度难以测量这一情况,提出利用软测量技术来解决这一问题.通过建立BP网络模型和RBF网络模型以及基于PCA和CHAOS的神经网络模型,并对其仿真结果进行分析和比较,验证了该方法的可行性.CHAOS-RBF软测量模型在化肥厂的应用效果良好,误差保持在1.5%以内,不但提高了温度测量精度,而且有利于更好的生产控制.     

狭缝压力检测的SAW微力传感器温度补偿研究

声表面波微力传感器容易受到温度的干扰进而影响测量精度,通过推导温度变化与振荡频率偏移之间的关系,结合温度传感器获得温度引起的频率误差,从而实现了温度补偿,同时得到了相对误差,证明了该补偿方法的有效性。     

基于LDIW-PSO算法的BP神经网络在压力传感器中的应用

提出基于LDIW-PSO算法优化的BP神经网络温度补偿方法。优化的BP神经网络使用LDIWPSO算法调整其权值和阈值,使之收敛速度快,不会产生局部极小值问题。通过实验和仿真结果可以看出:该算法对温度补偿精度高、误差小,效果明显。     

基于BP神经网络的油井井斜角误差补偿研究

介绍了延长石油常用的石油测井测斜仪器及其测量原理,分析了其工作过程中可能存在的误差及其来源。针对井眼姿态测量中主要测量参数之一的井斜角,利用前馈神经网络算法,建立了以测量井斜角为输入、期望的井斜角为输出的三层BP神经网络模型,并用实际测斜仪器的测量数据进行现场测试。实验数据表明,采用该BP神经网络补偿算法,可将井斜角的实际测量精度从提高至以内。     

基于多传感信息融合的轮胎气压监测系统

为提高轮胎气压监测系统(TPMS)传感器测量精度,利用多传感器信息融合技术,采用神经网络方法对轮胎的温度和气压数据进行融合。神经网络采用Levenberg-Marquardt算法训练。Matlab仿真试验结果表明,数据融合后的输出稳定性得到了很大提高,可有效减轻传感器工作中的干扰。     

复合材料高温力学性能自动化测试关键技术研究与系统设计

针对传统人工操作模式下复合材料高温力学性能测试效率低、检测质量差、温控精度低的问题，本文设计了面向复合材料压缩测试的自动送样-测试-取样多模块测试系统，研究了封闭条件下环境箱温度场建模与补偿技术，建立了温度补偿模型，并设计高精度温度控制器，实现了对温度的精准补偿与控制；开展自动化测试系统的运动学和动力学建模研究，完成动力学参数在线辨识，在此基础上设计自动化测试系统自适应控制器，最后进行了控制实验。实验结果表明，神经网络自适应控制器可以实现系统的高精度控制，跟踪精度和定位精度均满足自动化测试要求。     

基于GMDH神经网络的轮胎硫化温度预测

介绍硫化过程的测温难点及GMDH神经网络的算法和构造。采用GMDH神经网络对硫化过程中轮胎内部温度进行预测,并与BP神经网络预测进行对比。研究结果表明,GMDH神经网络的温度预测精度较高,对非线性数据有很好的预测效果。采用该方法可为轮胎硫化控制提供有力支持,并实现轮胎生产无损测量。     

介绍一种电容式位移传感器

一、前言本文介绍的电容式位移传感器,是为制糖工业自动化的需要而研制的。它具有抗震、防潮、防尘、抗电磁干扰、温度漂移小等一系列优点,特别适用于环境恶劣的工业生产在线测量场合。它在制糖工业中主要用于连续测量压榨机顶辘升降的位移变化,故又称辘升仪。位移传感器把直线位移的变     

基于蚁群优化Elman神经网络的传感器补偿

为了提高随钻测斜仪的工作稳定性和测量精度,将蚁群算法和神经网络相融合,采用信息素挥发因子ρ和信息素更新策略自动调整自适应蚁群算法优化Elman神经网络的权阈值,将其应用到随钻测斜仪的传感器补偿中.仿真结果表明,自适应蚁群Elman神经网络的补偿效果优于Elman网络和遗传Elman网络,补偿精度达10-8,补偿效果良好...     

超声波液位计的研发与实验

为解决当前化工厂对液位的直尺直接测量所存在的问题，在对不同液位计特点进行分析的基础上，确定超声波液位计最适用于化工厂液位的测量；在对超声波测量距离原理分析的基础上，设计了超声波液位计的硬件和相关软件流程的设计，采用BP神经网络对超声波传播速度进行补偿；最终，通过实验验证了所设计超声波液位计的测量精度。     

微机化双腔式塑料薄膜测厚仪

该仪器可用于塑料等介质薄膜的厚度测量,本文介绍了该仪器的特点,工作原理和结构。仪器采用双腔连结体作为传感器,减小温度漂移引起的测量误差。应用Z80单板机对传感器输出信号进行数据处理而显示塑料薄膜厚度值。本文对测量精度及结果也进行了分析。     

多变量海水环境中冷喷涂铜复合涂层的铜渗出率及人工神经网络预测系统

本试验考察了不同Cu_2O含量的冷喷涂铜复合涂层在不同O_2浓度、盐度、温度及流速的海水环境中的铜渗出率。同时通过Matlab 2013b的人工神经网络工具箱建立了预测该涂层在多变量海水环境中铜渗出率的BP神经网络系统,该BP神经网络表现出了很好的预测精度和泛化能力,平均预测误差在10%以内。     

遗传算法优化BP神经网络的水泥窑温度预测模型研究

水泥窑内温度的控制效果直接决定水泥熟料的质量。由于回转窑煅烧具有大滞后、非线性、多变量等复杂特性,并且各个因素之间存在相互联系和不确定性,这给回转窑温度的控制带来了困难。本文利用BP神经网络建立回转窑温度预测模型,并利用遗传算法对模型进行优化,将优化前后的仿真结果对比后发现,使用遗传算法优化后的BP神经网络回转窑温度预测模型的预测精度高于单独使用BP神经网络搭建的回转窑温度预测模型精度,为回转窑温度的预测提供了一种新的方法。     

用双阀体压差法自动测量快速流化床轴向空隙率分布

本工作把步进扫描压力测量改进为双阀体压差测量,应用于气—固两相流动的检测。该系统与 IBM-PC/XT 微机联接,实现了快速床内轴向空隙率分布的自动检测、数据处理和图形绘制,为了克服传感器、放大器和 A/D 转换板等环节产生的零点漂移,由计算机软件配合扫描系统实现了零点自动补偿,大大提高了测试精度。     

基于磁致伸缩位移传感器的精密注射成型研究

以注塑机塑化部分位移传感器作为研究对象，分别采用传统电子尺和高精度磁尺作为注塑机的螺杆计量工具。在相同的工艺条件下，比较两种位移传感器的位移计量精度及由此得到的制品质量重复精度。考虑不同工艺条件对于位移传感器工作过程的影响，实验过程中采用了正交实验方法，针对螺杆预塑化量、螺杆转速、注塑速度和熔体背压4个相关工艺参数设定不同参数值进行实验方案的排列。实验结果比较了两种位移传感器的计量精度和工作稳定性，从螺杆位移高精度计量方面为提高精密注塑机制品重复精度探寻解决方案。     

基于SVR误差补偿技术的神经网络城市污水厂水质预测

城市污水处理是一个复杂的生化处理过程,现在的神经网络技术无法做到对此过程精准建模。为了解决该问题,提出了一种基于SVR误差补偿技术的神经网络水质预测算法。该算法先利用BP神经网络对水质处理过程进行映射,再利用SVR误差补偿模型获得BP网络的预测补偿,进行预测数据校正。为了验证补偿模型的性能,还组织了马尔科夫补偿模型的对比试验。试验结果表明,SVR误差补偿模型可有效提高模型预测的精度,且模型性能优于马尔科夫补偿模型。